【摘 要】
：
多标签学习用于处理一个样本同时拥有多个标签的问题.已有的多标签懒惰学习算法IMLLA未充分考虑样本分布的特点,即在构建样本的近邻点集时,近邻点个数取固定值,这可能会将相
【机 构】
：
安徽大学计算机科学与技术学院,安徽省工业图像处理与分析重点实验室
【基金项目】
：
本文受国家自然科学基金项目（61272152,61202228）,安徽省自然科学基金项目（1208085MF109）,2013留学人员科技活动择优资助项目资助.
论文部分内容阅读
多标签学习用于处理一个样本同时拥有多个标签的问题.已有的多标签懒惰学习算法IMLLA未充分考虑样本分布的特点,即在构建样本的近邻点集时,近邻点个数取固定值,这可能会将相似度高的点排除在近邻集之外,或者将相似度低的点包括在近邻集内,影响分类方法的性能.针对IMLLA的缺陷,将粒计算的思想加入近邻集的构建,提出一种基于粒计算的多标签懒惰学习算法（GMLLA）.该方法通过粒度控制,确定样本近邻点集,使得近邻集内的样本具有高相似度.实验结果表明,本算法的性能优于IMLLA.
其他文献
目前,车载环视系统的障碍物检测大多采用基于特征的方法,主要针对车辆和行人等特定障碍物,不能完全消除障碍物对车辆行驶安全的威胁。采取基于运动的方法检测所有高于地面的障碍物。建立了平坦路面上的车辆运动模型,使用逆投影变换,推导出车辆运动参数、障碍物点高度和对应像素光流的关系。根据车载环视系统中相邻摄像头生成的俯视图存在重叠区域、重叠区域的障碍物特征点存在两个不同的光流矢量的特点,快速筛选出相交区域中的
多核动态可重构Cache是解决Cache功耗困扰的一个重要方法。现有Cache功耗模拟器并不能很好地支持多核动态可重构Cache功耗研究,通过对多核动态可重构Cache的功耗模型进行研究
为解决直线断裂、遮挡以及图像对视差较大等造成的直线匹配困难,提出了一种基于多重约束条件的线特征多级匹配方法。该方法在已匹配的可靠种子点完成点-线匹配的基础上,基于单应性矩阵利用几何特征信息约束和核线约束完成同名直线搜索实现线-线匹配,最后提出一种自适应的直线相似性约束实现线-面匹配获得正确的同名直线。通过与现有直线匹配算法的对比实验表明,该方法提高了匹配精度,可以实现含有遮挡、直线断裂和视差较大的